コーディングエージェントはハーネスの違いで性能は変わらずコストだけ最大5倍跳ね上がるという内容。 ・UC Berkeleyなどの研究チームが、モデルとハーネスの相性を検証 ・Claude CodeやCodex CLI、最小限のOSSであるPiなど3つのハーネスと7つのモデルを比較した ・ハーネスを変えても、タスク成功率の差は平均±2〜5%程度にとどまる ・一方で、トークン費用は同じモデルであっても最大5倍の差がついた ・同じ結果を得るために余計な費用を払う現象を、このページではハーネス税（Harness Tax）と名付けている ・4つのツール（read、write、edit、bash）しか持たない最小限のPiが最も優秀な費用対効果を記録 ・対してClaude Codeは、最初のモデル呼び出しにおけるコンテキスト量がPiの10倍以上に達する ・長大な指示やツール定義が含まれており、毎ターンの消費コストを押し上げる要因になっている ・各社が自社モデル向けに最適化した純正ハーネスが、最善の組み合わせとは限らない ・AnthropicやOpenAIのモデルを比較した12通りのうち、9通りで他社製ハーネスの方が高い成功率を記録 ・例えばSonnet 4.6はClaude CodeよりCodex CLIで動かした方が成功率が高い ・GPT-5.6 SolもCodex CLIよりPiで動かした方が成功率が上がり、費用は約半額に ・日常的なタスクであれば、多機能なツールよりも軽量でシンプルな実行基盤の方が信頼性もコスト効率も高い ・モデルのベンチマーク比較だけでなく、どのハーネスで動かすかも含めて評価した方がいい harnesstax.github.io/